2026 年 11 月 2 日，TechCrunch 援引 Anthropic 修订版 S-1/A 文件称，这家 AI 实验室在更新财务信息之外，把一项更敏感的判断写入了风险披露：公司可能正接近其负责任扩展政策所定义的“递归自我改进”（RSI）状态。文件没有宣布任何当前模型已经越线，但新增表述提示，AI 参与 AI 研发，可能让模型能力进步快于人类建立安全、对齐与防护措施的速度。
这一表述的关键不在于宣告某项突破，而在于它把 RSI 从技术圈的概念讨论，推进到了正式披露文件的风险披露层面。对行业而言，问题正在从“自我构建 AI 是否会出现”，转向“当它接近时，研发流程、评估体系和治理机制如何跟上”。
RSI 是什么：AI 从工具变成研发变量
RSI 是 recursive self-improvement 的缩写，通常译为“递归自我改进”。在素材语境中，它指 AI 在训练或改进自身方面变得足够强，从而带来能力快速提升。换句话说，AI 不再只是被工程师训练的对象，也开始成为研发流程中的活跃变量。
素材提到，RSI 今年早些时候开始流行时，不少人将其视为热门概念，甚至认为它难以实现、定义或验证。但 Anthropic 的最新披露，让这个词开始与公司内部研发实践相联系。围绕 RSI，外界一直存在两种判断：
- 支持者认为，如果 AI 能可靠地帮助改进自身，它将带来生产效率、科学发现等方面的显著提升。
- 担忧者则认为，一旦 AI 自我改进速度超过人类理解和控制能力，可能产生难以逆转的安全风险。
Anthropic 的表述接近于两者之间。它承认在研发中使用 AI，但也强调，如果 AI 显著加快进展，就可能带来明显安全风险。公司将这一领域纳入负责任扩展政策，并称会监测和缓解接近 RSI 时的风险。
Anthropic 真正说了什么：接近阈值，但没有确认越线
从文件内容看，Anthropic 的表态可以分为两层。第一层是回顾：公司已经使用 AI 系统加速自身研发，并且过去曾出现模型能力显著提升、但当时没有及时识别的情况。这意味着，AI 辅助研发可能改变能力增长的可见性，让进步在发生后才被完整确认。
第二层是前瞻：公司内部估计和对未来模型的预期显示，可能很快达到负责任扩展政策中“可归因于 AI 的显著加速进展”的定义。这里有两个限定条件：其一，判断依据主要是内部估计和未来模型预期，而不是当前模型；其二，公司尚未把任何当前模型指定为超过该阈值，仍在评估底层数据。
这也解释了 Anthropic 为何同时强调人类控制。文件称，不预期在技术条件成熟时，能够在没有有意义人类监督或理解的情况下，安全地使用 Claude 全自动设计和构建连续几代前沿模型。因此，公司正在考虑更新负责任扩展政策，以确保人类继续参与前沿模型开发。
对行业的影响：训练范式、能力跃迁与治理窗口
这次披露首先影响的是对模型训练范式的理解。过去，前沿模型开发通常被理解为人类设定目标、准备数据、设计训练流程，再由机器执行。若 AI 在研发中的作用持续增强，模型迭代可能不再只取决于算力、数据和人工工程，还会受到 AI 自身反馈与优化能力的影响。
其次，是能力跃迁的识别难度。Anthropic 提到，过去曾未及时识别显著能力变化，未来也可能如此。若模型进步速度超过安全验证速度，评估体系就需要更高频、更自动化，同时也需要保留人类复核和干预机制。RSI 的风险不只是模型变得更强，而是研发节奏变化可能压缩安全工作的缓冲时间。
当然，S-1/A 文件本身具有多重属性。怀疑者可以指出，这类文件既承担信息披露义务，也带有对外沟通色彩；“接近自我构建 AI”的说法也可能被市场解读为公司技术叙事的一部分。不过，素材同时提到，Claude 今年在编程、数学和网络安全方面的能力已经明显提升。在这种背景下，Anthropic 对 RSI 的谨慎提示，至少说明它已成为公司无法回避的内部议题。
对监管者、研究机构和开发者来说，这份文件给出的信号并不是“自我构建 AI 已经到来”，而是阈值可能比外界想象得更近。当 AI 开始参与 AI 的下一代研发，真正需要提前的，不只是性能评估，还包括能力边界判定、人类监督方式，以及在接近阈值时如何保持控制。
原创文章，作者：点点，如若转载，请注明出处：https://www.dian8dian.com/anthropic-ba-ai-xun-lian-ai-xie-jin-feng-xian-pi-lu-di-gui
